Olivier Teste
7
Documents
Présentation
Mes recherches se situent dans le domaine des systèmes d'informations, et concernent principalement les systèmes de gestion non conventionnelle des données (**Data Management Systems**), et l'apprentissage machine (**Machine Learning**) dans les données massives.
L'objet de mes recherches est la donnée numérisée (**Data**) issues de différents systèmes de production et d'acquisition, et les traitements associés visant à intégrer, modéliser et analyser ces données numérisées. Les problématiques étudiées couvrent une large part de la chaîne de traitement des données, allant des processus d'intégration (**Data Matching**) et de modélisation des données (**Data Modeling**) jusqu'à l'analyse des données. Mes recherches portent en particulier sur les masses de données volumineuses, de structuration disparate (structurées à non-structurées), possiblement largement distribuées, pouvant être constituées de contenus atomiques, textuels ou de formes élaborées (espaces multidimensionnels, graphes, séries-temporelles, pixels). Les collections de données sur les quelles mes travaux sont appliqués sont : des données industrielles (aéronautique, assurance, énergie, biologie, santé), des benchmarks scientifiques (OAEI, SSB, TPC-H...), des données issues du Web (sites, réseaux sociaux, plateformes collaboratives) et les données ouvertes pouvant être liées sémantiquement (Open Data, Ontologies, Linked Data).
Ces masses de données sont exploitables pour aider aux processus de décision dans des domaines d'application variés tels que la maintenance prédictive, la détection d'anomalies, l'aide au diagnostics... Mes recherches s'inscrivent dans le cadre de la science des données, et traitent des algorithmes d'apprentissage machine (**Machine Learning**) et des réseaux de neurones artificiels (**Deep Learning**). Ces algorithmes permettent de détecter et de prédire des phénomènes complexes cachés au sein des masses de données, afin de construire des systèmes d'intelligence artificielle.
Publications
- 5
- 4
- 3
- 3
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 7
- 7
- 7
- 6
- 6
- 1
- 1
- 7
- 7
- 1
|
POMap++ results for OAEI 2019: fully automated machine learning approach for ontology matching14th International Workshop on Ontology Matching co-located with the International Semantic Web Conference (OM@ISWC 2019), Oct 2019, Auckland, New Zealand. pp.169-174
Communication dans un congrès
hal-02942337v1
|
|
Partitioning and Local Matching Learning of Large Biomedical Ontologies34th ACM/SIGAPP Symposium on Applied Computing (SAC 2019), ACM SIGAPP: Special Interest Group on Applied Computing, Apr 2019, Limassol, Cyprus. pp.2285-2292
Communication dans un congrès
hal-03621640v1
|
|
The Impact of Imbalanced training Data on Local matching learning of ontologie22nd International Conference on Business Information Systems (BIS 2019), Jun 2019, Seville, Spain. pp.162-175
Communication dans un congrès
hal-02486113v1
|
|
Partitioning and Matching Tuning of Large Biomedical Ontologies13th International Workshop on Ontology Matching co-located with the 17th International Semantic Web Conference (OM 2018), Oct 2018, Monterey, CA, United States. pp.220-221
Communication dans un congrès
hal-02181942v1
|
|
OAEI 2018 results of POMap++13th International Workshop on Ontology Matching co-located with the 17th International Semantic Web Conference (OM@ISWC 2018), Oct 2018, Monterey, CA, United States. pp.192-196
Communication dans un congrès
hal-02181946v1
|
|
POMap: An Effective Pairwise Ontology Matching SystemIC3K 2017 : 9th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management, Nov 2017, Funchal, Portugal. pp.161-168
Communication dans un congrès
hal-02640895v1
|
|
POMap results for OAEI 201712th International Workshop on Ontology Matching collocated with the 16th International Semantic Web Conference (OM @ ISWC'17), Oct 2017, Vienna, Austria. pp. 1-7
Communication dans un congrès
hal-01709125v1
|